恒生电子研究院专家李涛：AI大脑让金融更智能

本篇文章2013字，读完约5分钟

近日，2017年首届“百人聪明理财委员会——恒生银行”研讨会在杭州召开。会上，恒生研究所人工智能专家李涛博士介绍了人工智能脑的概念，并分享了智能投资平台、个性化信息推荐、算法交易、人工智能组合等理念。

恒盛电子研究所李涛博士

什么是人工智能大脑？ ai brain采用分布式架构，可以通过云服务输出和智能信使与各种金融服务的特定it系统进行交互。人工智能大脑将构建一个智能化、专业化、集约化的场景。 人工智能的应用需要大量的技术参与，包括整体技术架构、深度学习或浅层次学习方法、大数据应用等。，其部署成本非常高。如果采用统一的云服务形式，或者数据可以在不同组织间共享，那么通过人工智能的操作可以生成相应的模型、参数和标签，或者服务的输出可以相互交换，这将是一种可行的方式。 在智能信使连接的应用系统和人工智能大脑之间，主要采用单向馈入的方式，即人工智能大脑将优化后的模型、数据或参数单向推送至各个应用系统；每个应用系统都向人工智能大脑传输不敏感的加密数据。通过互动，it系统变得更加智能，并提升核心价值。 在数据交互共享方面，我们假设可以应用区块链技术来防止数据被复制或泄露，并确保交互的安全性。什么人工智能理论被应用于人工智能大脑？工业中人工智能的定义大致分为三个学派。 (1)象征主义实际上是一种推理过程，也是人工智能中广泛使用的方法。目前，发展方向是基于金融知识地图，应用于个性化推荐、智能问答、事件分析等场景。 ②以神经网络和深度学习为主的连接主义是目前最热门的人工智能流派。早在60年前，神经网络的概念就被提出来了，但是直到2006年辛顿教授提出了dnn分层贪婪训练法，深度学习才变得可行。神经网络技术已成功应用于图像识别、语音识别和自然语言处理。 ③控制论，又称行为主义，是感知和行为之间的一种互动关系。在金融领域，它可以应用于金融工程，如投资组合优化，套期保值套利，算法交易和其他场景。 这三个方向都在人工智能大脑中，可以根据具体情况应用于不同的场景。 人工智能的典型应用场景是什么？ 个性化信息推荐 在人工智能模式下，通过连接人工智能大脑，共享用户在组织内部系统和互联网等不同平台上的浏览习惯和交易行为，结合知识地图或深度挖掘方法，可以更精细地描述用户关心的内容，更好地识别用户对信息数据的意图，并向用户发送更多匹配的信息数据，甚至是一些金融产品的营销数据。 智能投资平台 以bl组合优化和人工智能的结合为例。通过对市场上不同机构和不同资产的预测进行处理，形成不同资产主观临界点的置信矩阵，然后将该模型与机构的投资与照护系统相结合，可以获得更好的组合优化应用效果。 在此过程中，恒生开发了一个智能策略服务平台，以满足投资者的个性化策略组合需求。该平台基于市场条件、基础因素等，采用遗传编程算法。，这样机器进化学习就可以生成策略模型，并且可以根据不同客户的需求获得不同的策略，即特定的产品组合。 算法交易 目前，业界的算法交易研发模式基本上是根据历史市场情况进行预测和判断。市场历史的统计数据实际上已经建立。对于不同的机构，如果分析良好，最终的交易分布预测模型应该基本相同。因此，ai brain所做的是将历史数据，甚至是高频数据，和深度学习方法结合起来，从而产生一个复杂的交易模型，它不仅可以很好地预测交易分布，还可以预测当天的短期趋势，优化算法交易的执行成本。 在模拟系统方面，算法交易策略很难验证，因为交易往往是在回溯测试中触发的，不影响市场历史，但是在交易过程中触发交易会影响股票未来的短期走势。因此，如果我们能够提供一个模拟交易系统，能够模拟市场中各种投资者的策略和交易行为，并添加需要验证为附加因素的量化策略或算法交易策略，我们就能够更好地判断策略的优劣。 最后，我们希望人工智能大脑能够输出具体的策略模型和参数，这些模型和参数可以通过智能信使直接到达部署在机构中的投资系统。 ai brain将使用基于大数据的人工智能方法，针对不同的应用场景给出相应的应用场景逻辑，如金融信用报告、舆情分析、投资分析、风险控制、风险识别、定量交易、投资研究、研究报告自动分析、产业链上下游分析等。 最后，针对不同的业务给出了相应的模型，包括推荐模型、组合模型、量化模型、风险控制模型等。，它们通过智能信使传输到不同机构之间的系统。 关于100强智能金融委员会: “100强智能金融委员会”由金融网站于2016年12月8日推出。中国投资证券总裁助理、金融板块首席运营官马勇、交易运营部总经理王健利、长江证券(000783，BUY)首席金融技术官魏洪波共同推介，探讨人工智能与金融服务结合的技术创新与应用 2017年，“百人智能金融委员会”计划开展一系列活动和研究。 在全面梳理智能金融在中国的研究和应用现状后，将于年底以白皮书的形式发布行业第一份行业研究报告，反映智能金融在中国的发展历程，反映实践中的思考，为智能金融的发展提供大量的实践观察样本。